改进的Apriori算法在高校图书推荐服务中的应用研究

高校图书馆的借阅记录包含大量信息,研究数据库中的借阅记录可以获知学生与图书间的某种联系,通过改进的L-Apriori算法把这种潜在的联系转化成显性知识推荐给目标学生,对提升当前数字图书馆的服务质量具有重要意义。改进的L-Apriori算法对借阅记录分专业形成的子数据库关联规则进行逐一整合,最终形成全局数据库关联规则。实验结果表明改进的L-Apriori算法无论是挖掘效率还是准确度都明显优于Apriori算法。     

基于关联规则学生成绩预警研究——以厦门工学院为例

高校学生成绩预警是高校教务管理的重要工作之一，研究高校学生学业预警问题在理论层面和实践指导层面均具有重要的价值。采用关联规则算法中的Apriori算法来分析厦门工学院2016级至2018级学生的成绩数据，探究每个专业各课程之间的关联度。在Matlab环境下用Apriori算法对信息与计算科学专业的学生学业成绩进行挖掘分析，发现该专业下不同课程间的关联关系，尤其是对先修课程与后继课程间的关联规则的挖掘，及时对挂科的学生预警，并同时给任课教师提供指导，从而提高教育教学管理水平。     

图书流通关联规则分析

关联规则是数据挖掘领域一个重要的研究任务。文章首先介绍关联规则的基本概念和常用的关联规则算法。接着以上海交通大学两年的图书流通数据为研究对象,利用关联规则和Apriori算法,分别对图书的类别和特定图书的借阅关联性做出分析,得出图书大类和一些单本图书的借阅关联性特点,最后在此基础上为图书馆工作和个性化服务提出合理建议。     

基于K-means算法的Ｗeb访问用户关联规则挖掘算法

针对传统关联规则算法中事务扫描的重复性以及最小支持度设定的不确定性,导致关联规则挖掘算法扫描事务数据库运行效率低下的问题,提出一种基于K-means的Web访问用户关联规则挖掘算法,该算法利用K-means算法聚类的效果,将Web访问用户数据集聚类为不同的小数据集,采用不同的最小支持度,分别对Web访问用户聚类小数据集进行关联规则挖掘。分析和实验结果证明,该算法可有效提高传统关联规则挖掘算法的效率,同时也可有效避免传统关联算法中扫描中的重复性。     

基于关系数据库的高校成绩数据关联规则挖掘

本文针对高校数据库的特点,利用SQL语句与Apriori算法结合,提出一种基于关系数据库的关联规则挖掘算法,该算法解决了Apriori算法不适合数值型数据挖掘的问题。为了验证算法的有效性．本文将之运用于成绩数据的挖掘,得出了课程之间的关系及学生可能不合格的课程,为学生选课和学生由于成绩不合格留级、退学的预警管理提供依据。     

基于Apriori算法的关联规则及其应用研究

基于Apriori算法的关联规则,在高校图书馆,对学生的借阅数据进行深度的挖掘和分析,得出相关联的书籍,从而为学生提供潜在需求的服务,打造个性化图书馆服务,为学生提供了便利的同时,也提高了图书馆资源的利用率。     

基于加权关联规则挖掘的相关文献推荐*

研究利用数据挖掘中的关联规则挖掘分析及论文数据库，进行相关文献推荐，提出适用于进行相关文献推荐的改进的混合加权关联规则挖掘算法，并通过用户行为分析确定相关文献集和垂直权重，采用Google搜索引擎的PageRank算法确定水平权重，获得一些有意义的分析结果。     

基于关联规则的计算机等级考试答卷分析

阐述了数据挖掘的概念,介绍了Apriori算法,对计算机等级考试答卷数据进行关联规则挖掘,分析影响计算机等级考试成绩的因素,并找出课程知识点之间潜在的关联规则,指导教师对教学过程进行决策和研究,为提高教学质量奠定了基础。     

一种基于词间关联规则挖掘的查询扩展方法

针对现有信息检索系统中存在的词不匹配问题,提出一种基于词间关联规则的查询扩展算法,该算法利用现有挖掘算法自动对前列初检文档进行词间关联挖掘,提取含有原查询词的词间关联规则,从中提取扩展词,实现查询扩展。实验结果表明,该算法能改善和提高信息检索系统的查全率和查准率,具有很高的应用价值,与未进行查询扩展时相比,采用本文查询扩展算法后,平均准确率提高了13.34%,与传统的局部上下文分析查询扩展算法比较,其平均准确率提高了4.87%。     

基于Apriori改进算法的局部反馈查询扩展

提出面向查询扩展的Apriori改进算法，采用三种剪枝策略，极大提高挖掘效率；针对现有查询扩展存在的缺陷，提出基于Apriori改进算法的局部反馈查询扩展算法，该算法用Apriori改进算法对前列初检文档进行词间关联规则挖掘，提取含有原查询词的词间关联规则，构造规则库，从库中提取扩展词，实现查询扩展。实验结果表明该算法能够提高信息检索性能，与现有算法比较，在相同查全率水平级下其平均查准率有了明显提高。     

一种高效的Apriori算法优化方法

通过对关联规则挖掘中的Apriori算法进行深入的分析与研究,为减少算法中对数据库的大量扫描操作、节省挖掘时间,提出了一种改进的Apriori算法。该算法可以提前判断算法是否应该结束,也使得算法省去了不必要的操作,节省了挖掘时间。最后通过实例分析,证明了其高效性。     

基于相关性-兴趣度架构的关联规则挖掘的查询扩展

针对情报检索系统中存在的词不匹配问题,提出一种基于相关性-兴趣度架构的关联规则挖掘的局部反馈查询扩展算法,并论述查询扩展基本思想、扩展算法模型以及扩展词权值的计算方法。该算法主要特点是采用支持度-置信度-相关性-兴趣度框架衡量关联规则,避免产生负相关的、虚假的和无兴趣的规则,提高来自于关联规则的扩展词的质量。实验结果表明,该算法能有效地改善和提高信息检索性能, 有很高的实际应用价值和推广前景。     

关联规则兴趣度度量方法的比较研究

关联规则挖掘是数据挖掘中重要的研究课题,已有许多有效的实现算法。然而,这些算法找到的关联规则数目太多,用户无法对其进行分析。为了克服这个问题,出现了一些关联规则衡量标准来分析规则的有趣性,在本文里我们在给出的实例上比较分析了一些关联规则客观兴趣度度量指标,提出了使用关联规则客观兴趣度度量指标的一些建议。     

关联规则挖掘技术在学生选课系统中的应用

文章运用数据挖掘的关联分析理论,对学生成绩数据库进行了挖掘,得到了一些合理、可靠的课程关联规则．从而为学分制体系下的学生选课提供指导以及为今后的教学课程设置提供参考。     

关联规则在“专升本”报名数据分析中的应用

本文通过数据挖掘中的关联规则算法研究,经典Apfiofi算法进行分析,使用一款优秀的源数据挖掘平台WEKA,通过数据预处理属性筛选后使用Apfiofi算法进行关联规则挖掘,对专升本报名数据进行关联规则分析,挖掘存在有价值的信息,为今后院校招生专业设置等提供指导信息。     

关联规则挖掘在医学图书馆信息服务中的应用探讨

介绍了数据挖掘中的关联规则和基于Apriori算法的关联规则数据挖掘技术,并使用关联规则挖掘对医学图书馆中的流通数据进行了实例分析.     

关联规则挖掘在图书馆中的应用

利用数据挖掘中的关联规则技术,从大量数据中发现有价值的规则。文章用改进Apriori算法对安徽省图书馆的借阅数据进行挖掘,从中发现了一些有价值的规则,为图书馆读者服务提供指导信息。     

图书流通信息多层关联规则挖掘法的优化与应用

通过对FP-Growth算法的扩展,提出图书流通信息关联规则挖掘的新算法即MACLC-FP（Multilevel Association with Chinese Library Classification FP）算法;结合实例着重阐述应用该算法,采用多层关联分析技术,挖掘读者借阅行为中隐含规律的可行性;进而探讨该数据挖掘技术在现代图书馆中的应用前景。这对图书馆调整资源建设的学科结构、提升读者服务的工作水平都具有重要意义。     

数据挖掘技术的改进在图书馆个性化服务中的应用

Apriori 算法是关联规则挖掘的一个经典算法，在分析关联规则挖掘算法的基础上，提出利用HASH表技术及减少生成候选集的数量对经典Apriori 算法进行改进,从而提高图书馆数据资源的利用率，加强图书馆个性化服务。     

网格环境下多媒体关联规则数据挖掘方法研究

分析多媒体数据挖掘的需求，介绍常见的多媒体数据挖掘形式及存在问题，针对此类问题探讨基于网格环境下多媒体关联规则数据挖掘方法，该方法是Apriori算法在网格环境下的具体应用。通过实例证明该方法不仅具有经典Apriori算法的准确性，还具备网格的并行挖掘特性，可大大提高数据挖掘的速度及运算效率。